ЕИТЦ/АИ/ДЛТФ дубинско учење уз ТенсорФлов

Вештачке неуронске мреже (АНН) инспирисане су обрадом информација и дистрибуираним комуникационим чворовима у биолошким системима. Придев „дубоко“ у дубоком учењу односи се на употребу више слојева у мрежи. Рани радови су показали да линеарни перцептрон не може бити универзални класификатор, а да с друге стране то може бити мрежа са неполимном функцијом активирања са једним скривеним слојем неограничене ширине. Дубоко учење је модерна варијација која се бави неограниченим бројем слојева ограничене величине, што омогућава практичну примену и оптимизовану примену, задржавајући теоријску универзалност под благим условима. У дубоком учењу слојевима је такође дозвољено да буду хетерогени и да широко одступају од биолошки информисаних конекционистичких модела, ради ефикасности, обучености и разумљивости, одакле и „структурирани“ део.

Питхон је динамички откуцан (извршава у току извођења многих уобичајених програмских понашања која статички програмски језици изводе током компајлирања) и прикупља се смеће (са аутоматским управљањем меморијом). Подржава више парадигми програмирања, укључујући структурирано (посебно процедурално), објектно оријентисано и функционално програмирање. Створен је крајем 1980-их, а први пут објављен 1991. године, Гуидо ван Россум као наследник програмског језика АБЦ. Питхон 2.0, објављен 2000. године, представио је нове функције, као што су разумевање листе и систем за сакупљање смећа са бројањем референци, а укинут је са верзијом 2.7 у 2020. Питхон 3.0, објављен 2008. године, била је главна ревизија језика који је није у потпуности компатибилан са уназад и већи део Питхон 2 кода не ради неизмењен на Питхон-у 3. Са завршетком Питхон-а 2 (и пипом који је изгубио подршку 2021), подржани су само Питхон 3.6.к и новије верзије, са старијим верзијама подржава нпр. Виндовс 7 (и старе инсталационе програме који нису ограничени на 64-битни Виндовс).

Питхон тумачи су подржани за уобичајене оперативне системе и доступни су за још неколико (а у прошлости и за многе друге). Глобална заједница програмера развија и одржава ЦПитхон, бесплатну имплементацију референци отвореног кода. Непрофитна организација, Питхон Софтваре Фоундатион, управља и усмерава ресурсе за развој Питхона и ЦПитхона.

Од јануара 2021. Питхон заузима треће место у ТИОБЕ-овом индексу најпопуларнијих програмских језика, иза Ц и Јаве, претходно освојивши друго место и своју награду за најпопуларније повећање за 2020. Изабран је за програмски језик године 2007., 2010. године. , и 2018.

Емпиријска студија открила је да су скриптни језици, као што је Питхон, продуктивнији од конвенционалних језика, као што су Ц и Јава, за проблеме програмирања који укључују манипулацију низовима и претрагу у речнику, и утврдила да је потрошња меморије често „боља од Јаве, а не много горе од Ц или Ц ++ ”. Велике организације које користе Питхон укључују иа Википедиа, Гоогле, Иахоо !, ЦЕРН, НАСА, Фацебоок, Амазон, Инстаграм.

Поред апликација за вештачку интелигенцију, Питхон се као скриптни језик са модуларном архитектуром, једноставном синтаксом и богатим алатима за обраду текста често користи за обраду природног језика.

ТенсорФлов је развио тим Гоогле Браин-а за интерну употребу Гоогле-а. Објављен је под лиценцом Апацхе 2.0 2015. године.

Почевши од 2011. године, Гоогле Браин је изградио ДистБелиеф као власнички систем машинског учења заснован на неуронским мрежама дубоког учења. Његова употреба је брзо расла у разним компанијама из абецеде, како у истраживању, тако иу комерцијалним апликацијама. Гоогле је доделио више рачунарских научника, укључујући Јеффа Деана, да поједностави и преобликује базу кода ДистБелиеф-а у бржу, робуснију библиотеку апликационог нивоа, која је постала ТенсорФлов. 2009. године тим, који је водио Геоффреи Хинтон, применио је генерализовано уназадње ширење и друга побољшања која су омогућила стварање неуронских мрежа са знатно већом тачношћу, на пример смањење броја грешака у препознавању говора за 25%.

ТенсорФлов је систем друге генерације Гоогле Браин-а. Верзија 1.0.0 је објављена 11. фебруара 2017. Иако се референтна имплементација изводи на појединачним уређајима, ТенсорФлов може да ради на више процесора и графичких процесора (са опционалним ЦУДА и СИЦЛ проширењима за рачунаре опште намене на графичким процесним јединицама). ТенсорФлов је доступан на 64-битним Линук, мацОС, Виндовс и мобилним рачунарима, укључујући Андроид и иОС. Његова флексибилна архитектура омогућава лако распоређивање рачунања на различитим платформама (ЦПУ-ови, ГПУ-ови, ТПУ-ови), и од стоних рачунара до кластера сервера до мобилних и ивичних уређаја. Прорачуни ТенсорФлов изражени су као графикони протока података са статусом стања. Назив ТенсорФлов потиче од операција које такве неуронске мреже изводе на вишедимензионалним низовима података, који се називају тензори. Током Гоогле И/О конференције у јуну 2016. године, Јефф Деан је изјавио да је 1,500 спремишта на ГитХуб-у помињало ТенсорФлов, од којих је само 5 било из Гоогле-а. У децембру 2017. програмери из Гоогле-а, Цисцо-а, РедХат-а, ЦореОС-а и ЦаиЦлоуд-а представили су Кубефлов на конференцији. Кубефлов омогућава рад и примену ТенсорФлов-а на Кубернетес-у. У марту 2018. Гоогле је најавио ТенсорФлов.јс верзије 1.0 за машинско учење у ЈаваСцрипт-у. У јануару 2019. Гоогле је најавио ТенсорФлов 2.0. Званично је постао доступан у септембру 2019. У мају 2019. Гоогле је најавио ТенсорФлов Грапхицс за дубинско учење рачунарске графике.